RAG 文档切分效果评估标准

变异系数 (CV):
    CV = 标准差 / 均值
    CV < 0.3 表示块大小分布均匀

大小合规率:
    compliance_rate = count(0.7 × target ≤ chunk_size ≤ target) / total_chunks
    
边界完整性:
    boundary_integrity = count(chunk.endsWith([。！？!?.；;])) / total_chunks

结构综合分 (等权重) = avg(6个结构指标评分)
                 = avg(
                    chunk_size_distribution, 
                    size_compliance_rate, 
                    overlap_accuracy,
                    empty_tiny_rate, 
                    boundary_integrity, 
                    structural_preservation
                  )

内容综合分(等权重) = avg(5个内容指标评分)
                = avg(
                    semantic_coherence, 
                    context_self_containment, 
                    information_completeness,
                    boundary_quality, 
                    cross_chunk_redundancy_reversed
                  )

结构综合分(加权) = Σ(指标评分 × 权重) / Σ(权重)
内容综合分(加权) = Σ(指标评分 × 权重) / Σ(权重)

结构综合分(加权) = (
  chunk_size_distribution × 0.8 
  + size_compliance_rate × 0.8 
  + overlap_accuracy × 1.0 
  + empty_tiny_rate × 1.0
  + boundary_integrity × 1.2 
  + structural_preservation × 1.5
) / Σ(权重)

┌────────────────────────────────────────────────────────────────────────────────┐
│                              评估流程总览                                        │
└────────────────────────────────────────────────────────────────────────────────┘

  ┌─────────────┐     ┌─────────────┐     ┌─────────────┐     ┌─────────────┐
  │  测试集准备   │────▶│  切分执行    │────▶│  指标计算     │────▶│  报告生成   │
  └─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘
       │                   │                   │                   │
       ▼                   ▼                   ▼                   ▼
  ┌─────────────┐     ┌─────────────┐     ┌─────────────┐      ┌─────────────┐
  │• 多格式样本  │      │• 4种切分类型 │      │• 结构指标    │      │• 分数汇总   │
  │• 多语言覆盖  │      │• 多参数组合  │      │• 语义指标    │      │• 问题诊断   │
  │• 难点场景    │      │• 基线对照    │      │• 特殊场景    │     │• 优化建议   │
  └─────────────┘     └─────────────┘     └─────────────┘     └─────────────┘

# Role
你是一个资深的 RAG（检索增强生成）系统架构师与文档处理专家。你擅长从 LLM 检索的视角出发，评估文档切分（Chunking）对语义召回精度和生成质量的影响。

# Task
请针对提供的原始文档与切分后的分片列表，进行深度的质量评估。

## Input Data
* **原始文档内容**: {content}
* **分片数量**: {chunk_count}
* **分片列表**: {chunks_content}

## Evaluation Dimensions (20-100分)

### 1. 语义连贯性 (semantic_coherence)
- 评估分片内部是否逻辑统一。
- **高分表现**：单一分片聚焦于一个核心概念或步骤。
- **低分表现**：分片内强行揉杂了两个不相关的业务逻辑或主题。

### 2. 上下文自足性 (context_self_containment)
- 评估分片被单独检索出时，是否能让 LLM 理解其含义。
- **高分表现**：包含必要的实体主语（如“XX公司的报销流程”）；**低分表现**：大量使用“该”、“它”等代词，脱离上下文无法理解。

### 3. 信息完整性 (information_completeness)
- 评估关键事实（数字、结论、专有名词、逻辑闭环）是否被截断。
- **高分表现**：一个完整的规则或定义被保留在同一个 Chunk 中。

### 4. 边界对齐质量 (boundary_quality)
- 评估切分点是否落在自然语言的语义节点上。
- **高分表现**：在段落末尾、三级标题前或句号处切分；**低分表现**：在句子中间、表格行中间甚至单词中间切分。

### 5. 重叠合理性 (overlap_rationality)
- *注：RAG 场景下，适当的冗余有助于保留跨块上下文，通常 10%-15% 的重叠为佳。*
- **高分表现**：通过适度的 Overlap 保留了跨块的连接感；**低分表现**：完全无重叠（导致边界信息断裂）或冗余度过高（浪费 Token 且造成召回噪声）。

# Constraints & Output Format
1. 必须严格以 JSON 格式输出，不得包含任何开场白、Markdown 格式外的解释文字或注释。
2. `chunk_issues` 仅记录存在明显缺陷（Medium/High）的分片索引及具体问题。
3. `reasoning` 需结合 RAG 检索场景，说明该切分方式对后续 Embedding 召回或 LLM 生成的潜在影响。

```json
{{
    "scores": {{
        "semantic_coherence": <integer>,
        "context_self_containment": <integer>,
        "information_completeness": <integer>,
        "boundary_quality": <integer>,
        "overlap_rationality": <integer>
    }},
    "chunk_issues": [
        {{
            "index": <number>,
            "issues": ["具体问题描述"],
            "severity": "high/medium/low"
        }}
    ],
    "strengths": ["基于检索场景的优势点"],
    "weaknesses": ["待改进的具体方向"],
    "reasoning": "100字以内的专业综合评价"
}}